导语
六年的发展，阿里云从关注交通单一关键环节开始，到思考如何应对大交通治理方、运营方、服务方的现实挑战，围绕交通“规、建、管、养、运、服”进行体系化建设，利用平台化技术综合优化交通资源。这是阿里云交通部门自身发展和转型的历程，也是阿里云与交通行业一起极速奔向全局智能的历程。
“今天下，车同轨，书同文，行同伦。”——《礼记·中庸》
自古以来，交通便在人类文明发展史上扮演着重要角色。秦始皇统一六国以后修建直道，堪称中国最早的高速公路；长城烽火台白天放烟晚上放火，和当下V2X（Vehicle to Everything，车用无线通信技术）、车和车互联的理念非常相似；汽车、轮渡与飞机次第而来，当技术的进步足以支撑人类探索海陆空，交通的内涵也大大拓展，无远弗届。
与此同时，交通行业正迎来一场数字化的内生变革。“十四五”规划中明确提出，加快建设交通强国，在智能交通领域推动数字产业化探索。
从城市大脑说起
阿里云在交通领域的探索，要从具有标杆意义的城市大脑说起。2016年，中国工程院院士、阿里云创始人王坚博士向杭州市政府提出，“建设城市大脑解决城市病”；2019年，王坚博士进一步提出一个问题：能不能把杭州市道路上跑的车辆数清楚？如果数不清楚有多少车，交通管理也就无从谈起。
城市大脑综合运用视频识别、流计算、视觉计算加速等技术，对杭州全城视频数据流进行实时分析，通过数字化手段数清楚了路上跑着多少车辆。
除了能够很好解决交通管理这一刚性难题，城市大脑还帮助阿里云沉淀了数据分析的逻辑和算力底盘，后来扩展到智慧高速、智慧港口、智慧航空等实践中，这是一脉相承的通用能力。
六年的发展，阿里云从关注交通单一关键环节开始，到思考大交通治理方、运营方、服务方的现实挑战，围绕“规、建、管、养、运、服”进行体系化建设，利用平台化技术综合优化交通资源——这是阿里云交通团队自身发展和转型的历程。
如今，阿里云提出了更高的数字化愿景，逐步从城市交通领域走向综合交通的各大领域。一方面能不能进一步数清楚道路、港口、机场、铁路枢纽、航道上，到底有多少人在开车、骑单车、步行、坐飞机、坐高铁、运载货物；另一方面，阿里云从城市交通信控场景接入，沉淀解决交通行业共性痛点和供需问题的解决方案，在智慧高速、物流上云、智慧机场、智慧航司、智慧海事、智慧港口等数字化创新领域，都有了新的实践。
从最早的云平台、数字中台和业务中台，到可视化分析能力、PaaS层数据接口、AI能力调用接口，到行业知识图谱和行业模型相结合的云控平台、出行服务平台、货运物流服务平台，逐步进化成为产业智能的核心，让云计算、大数据、人工智能之上的感知智能、认知智能、决策智能和行业能力实现紧密耦合。
最终，阿里云悟到：交通系统的本质是，更高效地优化基础设施和各类载具资源供给，更安全地满足个人出行、货运物流的需求；而数字化技术，能够做的就是“计算”，计算个人、货物的移动需求，计算实时各要素位移的状态，实现高效、精准地匹配和调度。
全要素、全时段、全覆盖的数字化
交通作为传统基建的重要组成，焕发数字化新生的第一步，是建立数字空间的交通全要素数字孪生。
现实来说，今天交通新基建的数字化能力，还有一定的局限性，有三个典型问题：
第一，夜间、恶劣天气，智能化能力急剧下降，因为传统AI靠视觉感知。
第二，设备覆盖有限，存在大量的数据盲区。但优化决策依赖精准全链路数据，否则决策有局限性。
第三，智能设备，如摄像机、雷达、测速、天气传感器等设备之间的孤立性，像盲人摸象，都是局部信息，很难为总体优化提供信息支撑。
针对这三个问题，阿里云对应从三个方向解决技术难题。
01
全时段
做到不受夜晚、雨雪恶劣天气干扰，指标不退化。传统的方式是爆闪灯，但对驾驶员非常不友好，而且覆盖的距离也比较有限。阿里云采用融合多元传感器：视觉AI加上毫米波雷达。
但雷达感知域和视觉感知域不同，频率和特性都不一致，需要数据统一；其次，风吹日晒，会造成设备偏移，一段时间后要做动态校正映射矩阵；最后，如果视觉和雷达产生了冲突，你相信谁？相信的依据是什么？第一种各自计算分析，再投票，称之为“后融合”；第二种设计深度学习网络模型，实现数据驱动——阿里云选择了后者。在夜间、恶劣天气的感知能力可以达到白天的99.5%。
02
全覆盖
传统摄像机能够支撑的范围大概为200米，如果做全域覆盖，设备建设成本非常高。如何解决？
阿里云采用的解决方案是在深度学习模型里，加上超小目标检测和分割能力，针对特别细小的目标，进行超分辨率放大，保证车辆细节感知。要知道，在真实应用中，超过600米的图像像素已经非常小，把它抠出来并识别出，就可以实现提升一倍以上感知距离。同时，在深度学习模型里，增加盲区的认知推理，比如靠近大桥的地方，已经超出人眼的感知范围，但通过车流的变化，可以推断是否有异常情况。
这样就可以利用技术手段，低成本地解决覆盖距离的问题。
03
全要素
交通全要素包括运动物体的属性、行为逻辑、客观环境。
这里要实现的交通目标是：真实的物理位置、速度、方向、尺寸、车道，要完全量化、一一对应。对交通事件，如违法、违规等行为，要实时感知，第一时间发现，快速决策、避免二次事故。同时准确判断道路环境，快速发现能见度、路面状况的微小变化，以降低未来更大的损失。
这里的技术难点在于，细致识别需要高分辨率图像，而高分辨率图像会导致计算量很大；但反之，如果没有足够的数据量，计算效果又会不好。
最终，阿里云利用视觉融合激光点云技术，结合边缘云的软硬一体技术底座，从底层的含光800芯片、倚天710芯片，到上层集成高效的算法模块、模型编译和加速推理，对各类交通设施的静态、动态实现二三维重构，耗时降低的同时性能极大提升。最终可以把车辆真实的物理尺寸精确感知出来，误差控制在0.15米以内，大约为一张A4纸的尺寸误差。只要道路之间的冗余足够，就可以很好地控制车流。把图像域转化到频域，可以使高分辨率达到非常好的效果，解决了路面细致识别的问题，这项研究发表在2021年CVPR Oral的论文中。
成宜高速是全国交通强国的试点，全线157公里，每年50%的时间是雾天。阿里云与蜀道集团合作，利用雷视融合激光点云技术、边缘云软硬一体技术，实现了黑夜、雾天，各种车辆实时动态、路面要素的精准感知，无死角覆盖。阿里云可以对各类交通元素进行静态毫米级、动态厘米级的定位，把道路上各种类型的载具接近实时的数字化还原。
不只是大路网，在航道、港口，也有“海上智控”的需求，形成“大水网”。它们同样需要各种感知手段，包括卫星、无人机、雷达、物联网、卫星电话、视频等设备进行数据采集，构建整个大水网的动态数字孪生，小到一条渔船，大到一条商船，实时还原运行轨迹。
全局智能的运营管控决策
当交通的全要素、全时段、全覆盖的数字化建立之后，数字孪生实现了物理空间和数字空间的对应关系。那么无法靠现实世界试错模拟的情况，通过大规模宏观和微观仿真，对不同决策进行系统推演，都能对未来进行预测，然后对推演结果进一步优化，得以向交通系统的管理者提供智能化服务，产生创新价值。
目前，阿里云对公路、航道、铁路、机场、人流，都在做大规模的区域级、城市级仿真，实现全局智能的决策支撑。出行前的路线推荐可以把交通拥堵减少10%-20%，出行时通过感知融合和边缘计算，实现极致的路口资源分配，让路口的稀缺时空资源尽量做到不浪费，也能减少拥堵。
起初在高速公路数字化方面，阿里云主要实现了及时发现各类事件、及时应对、做被动管理的解决方案。如今由被动转向主动管控，可以提前预测事件发生的趋势和可能性，对高速公路的道路、桥梁、隧道、边坡，进行实时高频监测，预测道路上发生事件的概率，主动管理、管控高速和高速周边的重要节点，提前减少高速上的拥堵，降低养护成本。
目前，全国已经有四川、浙江、广东等20多条高速公路落地高速公路主动管控方案。例如广东高速的车流量预测与管控仿真，算法模型能做到15分钟内的预测，且准确率达到98.7%，同时结合两小时内交通数据，可以对未来发生交通事故概率较大的路段做预警，实现主动干预。
在机场数字机坪方面，2019年就实现了每辆飞机起降间所有保障节点的数字化，可以有针对性地查看机场机坪中存在哪些效率问题。如今更进一步实现了整个机场（包括数字机坪、数字航站楼）的全局智能。当有航空限流、天气状况时，机场能通过智能化调度大幅度提升航班运行效率，与传统人工调度相比，操作效率提升超过90%。
在首都国际机场，双方通过运筹优化、认知反演等方法在50秒内刷新1700架次航班的停机安排，将廊桥停机位利用率提高了10%，相当于每天额外有20000位旅客不用再乘坐摆渡车。
在水运领域，阿里云也利用同样的方法提升港口运行效率和港口运行安全。通过与宁波舟山港集团联合打造的“港口智能运营管控平台”，实现桥吊单机效率提升5%，港口的靠岸效率、场内运输效率、堆场效率、生产运行效率整体提升5%以上，集装箱卡车等待时间、通过时间缩短8%以上。
仅看数字不足以体现该解决方案的实际价值。实际上，提升5%的作业效率，从定性的角度来说，这意味着，实现了真正意义上的有人/无人集装箱卡车的作业混编；从定量的角度来说，对拥有10个泊位的梅山港，提升5%，意味着两年能多出1个泊位，而一个泊位的建设成本大概在10亿元人民币。
交通出行、运输服务一体化
交通是一个高频产生数据的领域。创新的解决方案、获得数据创新的价值是阿里云展开交通领域探索的底层逻辑。阿里巴巴集团本身也有丰富的交通元素，如菜鸟、高德、飞猪、千寻位置等。阿里云结合阿里巴巴集团的多元能力，补足版图，可以解决很多原本IT系统解决不了的问题。
比如，把智能交通大脑的上帝视角，通过高德等APP客户端，以伴随式服务的方式直接提供给道路的用户。如遇堵车，驾驶员看到的不只是红黄绿，而且是通过上帝视角的车载系统，了解前方具体情况，也可以了解服务区是否有排队、提供什么的服务等详情。高德的出行服务还与车厂合作，利用车路协同、5G、V2X等技术，通过车载OBU、车载系统，或者手机，提供增值信息服务。另外，菜鸟可以抓住综合交通枢纽，包括机场、铁路站、地铁站、物流仓储等节点，把跨方式的交通服务打通，降低企业物流的等待时间，提升效率。
同时，阿里云与众多交通行业的合作伙伴，集合感知、边缘计算、芯片、算法、通信技术打造软硬一体的智能硬件，实现更低的数据采集成本、统一编码的时空数据高效融合、打造统一的数据模型，把行业多年积累下来的知识通过AI知识图谱云化，建立行业的数据模型，共享行业数据资产，共同提升“仿真、推演、预测”能力，让行业知识不仅为技术人员所用，而且为业务人员所用。
结语
衣食住行，是人类亘古不变的基本生活需求。人和货品的“位移需求”从未改变，但实现安全出行、智能感知和预测供需平衡、高效调配供需双方等目标的方法和手段，正发生天翻地覆的变化。机场、港口、航道、公路、城市交通等基础设施正全面优化，极速奔向全局智能。
内容来源：《云栖战略参考》2022第三期
阿里云研究院小助手微信：AlibabaCloudResearch
编辑：阿里云研究院 赵子千
